知道是 AI 做的，为什么感觉就不一样了？

一件作品本来还挺打动你，一知道是 AI 做的，兴致突然淡了大半——你大概有过这种体验。有时它甚至并不差，但就是 索然无味 了。

这不是挑剔，也不是不懂欣赏。你的直觉其实碰到了一个很深的问题：AI 把人类评价作品时一直捆绑在一起的东西拆开了。我们表面上在问「好不好」，实际上同时在问努力、技能、稀缺、意图和作者性。

我们表面上以为自己在问：

「这张图好不好看？」 「这篇文章写得好不好？」 「这个视频厉不厉害？」

但人脑实际上往往同时在问另外几件事：

• 谁做的？
• 为什么做？
• 花了多少代价？
• 这里面有没有一个人的意图？
• 这件东西稀不稀缺？
• 我是在欣赏作品，还是在欣赏一个人的能力？

AI 一下子把这些原本捆绑在一起的东西拆开了。而我觉得，这正是「本来还挺在意，一知道是 AI 做的，突然索然无味」的核心。

努力启发式：太容易达成的东西，人们就不会尊重

心理学里有一个很贴切的概念，叫 Effort Heuristic（努力启发式）。

经典实验发现，即使最终作品本身没有变化，只要告诉参与者「这个东西花了更多时间和努力制作」，人们就倾向于认为它质量更高、更有价值、更值得喜欢。这个效应在诗歌、绘画、手工制品等不同对象上都观察到过。(Kruger et al., 2004)

非常有意思的是，2026 年甚至已经有研究专门把这个问题放到了生成式 AI 上。研究发现了一种很奇怪的分裂：

AI 作品可以在视觉上让人觉得很好看，但人们仍然不愿意赋予它同等的经济价值。

研究者认为，一个重要原因正是：「这看起来并没有付出多少人类劳动。」甚至当研究明确告诉参与者，创作者进行了大量迭代、筛选、修改和人工参与之后，AI 作品受到的价值惩罚会明显减弱。(The effort heuristic in the generative age)

所以可以把它写成一个很粗糙但非常有解释力的公式：

而更接近：

AI 主要把第一项保留下来了，却把后面几项在人们心中的权重突然削弱了。

AI 破坏的，是「成品质量」和「生产难度」几千年来的绑定

这是我认为最关键的一点。

过去人类看到一个东西特别厉害的时候，可以合理反推：

这么好的东西 → 一定很难做 → 做这个的人一定很厉害 → 他可能训练了很多年 → 所以值得认真对待。

比如你看到一幅超级精细的油画。你其实同时在欣赏两样东西：

A. 这幅画本身。

以及：

B. 「居然有人能做到这件事。」

B 非常重要。甚至很多时候，你真正被打动的，主要来自 B，而不是 A。

想象两个场景：

一个人花十年练琴，现场弹出《钟》。

另一个设备按一下按钮，以完全相同的音色、速度、力度播放同样的音频。

声音作为声波可能几乎完全一样。但你不会站起来对音响鼓掌。因为你鼓掌的对象并不仅仅是「这些声波真好听」，而是 「一个人居然能够做到这件事。」

AI 第一次大规模制造了一种以前非常少见的情况：

结果仍然令人惊叹，但完成这个结果不再意味着完成者拥有同等级别的能力。

于是那种「背后有人」的分量感断掉了。

「觉得不错」和「真正在意」，其实是两套不同的心理系统

这是理解 AI 艺术争议非常有用的一个区分。你完全可能：

「觉得这个东西还不错。」

同时又：

「不太想为它停下来，也不太想赋予它更多分量。」

2026 年的一项研究正好发现类似现象：AI 艺术可以产生审美愉悦，但经济价值和劳动价值评价却可能明显降低。(The effort heuristic in the generative age)

所以未来可能会越来越明显地出现：

审美价值 ≠ 技艺价值。

以前两者高度相关：漂亮画作 → 高超画技；优秀文章 → 很强写作能力；漂亮 CG → 很强建模、材质、动画、渲染能力。

但是 AI 之后：漂亮画作 ← 一句话也可能生成；优秀文章 ← 几分钟产生；漂亮视频 ← 模型直接合成。

于是人脑原来的推理链断了。

比「努力」更深的问题：意图

这里可能比 effort heuristic 更接近艺术的本质。

假设你看到一张图：一个人在雨夜里站在空荡荡的火车站。如果它是一个人画的，你会自然开始猜：

为什么他要画这个？这个人物是不是象征孤独？为什么灯光是黄色？为什么人物背对我们？作者是不是经历过什么？

换句话说，你在尝试 从作品逆向推测另一个人的心智。艺术其实有很强的 mind-to-mind communication——一个人的意识 → 作品 → 另一个人的意识。

但是如果你突然知道：

「这是 Prompt：lonely man railway station cinematic rain，生成的第 17 张。」

你的大脑可能突然发现：「等等，那盏灯为什么在那里？」

答案可能不是「作者想表达希望」，而仅仅是「扩散模型认为这种构图概率比较高」。于是解释链条塌掉了。

你原本以为：

现在变成：

这会极大地削弱「深度感」。

近年的 AI 审美研究也越来越注意到 agency（主体性） 和 intentionality（意图）。有研究发现，仅仅增加 AI「生成所花的时间」，虽然会让人觉得 AI 似乎付出了更多「努力」，却并不会稳定提高作品的审美评价；相比之下，一个人是否认为 AI 具有某种主体性、意图或心智能力，对评价影响更强。(Can Artificial Intelligence Exert Effort?)

为什么贴上「AI generated」，评价甚至会真的下降？

这个现象已经在实验中被观察到了。研究者可以把同样的作品随机告诉不同参与者：一组 Human-made，另一组 AI-generated。作品实际上完全一样。

结果 AI 标签本身就能够降低部分审美评价、技能评价和经济价值判断。(Investigating the negative bias towards artificial intelligence)

其中一组连续六个实验甚至发现，同样作品被认为是 AI 制作之后，人们估计的制作时间和货币价值会显著降低。(Bias against AI art can enhance perceptions of human creativity)

这证明了一件特别有意思的事情：「AI 味」并不完全存在于作品里。 有一部分 AI 味存在于 观看者的脑子里。

你先知道它是 AI，于是观看方式改变。原来「哇，这个细节怎么想到的？」变成「哦，AI 随机生成的。」原来「这个构图好厉害」变成「Midjourney 挺会出的。」

这就是一种非常强的 provenance effect（来源效应）。

为什么现在尤其容易出现「AI slop」？

现在互联网上经常出现的 AI slop，原本并不是简单等于「AI 生成内容」。更准确地说，它是在贬义地描述：

低成本、批量、缺乏筛选、为了流量而大量生产的 AI 内容。

这个区别特别重要。因为生成成本突然接近零以后，会发生一个经典经济现象：供给爆炸。

过去一个人一天可能画 1 张画、剪 1 个视频、写 1 篇文章。现在理论上可以生成 500 张图、100 个短视频、几百篇 SEO 文章。那么网上就会出现巨量内容。

而当供给极度充裕以后，人类注意力反而成为真正稀缺的东西。于是用户开始形成一种防御机制：

「看到疑似 AI → 默认低价值 → 快速跳过。」

这未必总是公平，但在信息过载环境下，它是一种非常廉价的过滤器。有点像「看起来像 SEO 农场文章 → 不看」「看起来像广告 → 不看」「看起来像 AI 短视频农场 → 不看」。

久而久之，AI 本身成为一个负面的质量先验。于是甚至高质量 AI 作品也可能被连带伤害。

稀缺性：价值判断正在向上移动

想象一下：

2020 年，一个人给你看一张电影级概念艺术：「这是我画了两周完成的。」你可能：卧槽。

2026 年：「Nano Banana / Midjourney / GPT 给我出了这个。」你的感觉：嗯，很漂亮。

区别在哪里？不是图片一定变差了，而是 这种结果不再罕见。

经济学上价值和稀缺性高度相关，文化价值其实也是。当所有人都能够生成「史诗级」「电影级」「大师级」「8K cinematic」的图片时，「看起来很厉害」本身就不再是稀缺能力。

于是人类开始把稀缺性往更高层移动。以前稀缺的是「会画」，后来可能变成 「知道该画什么」，再后来 「能建立一个有意义的世界」，再后来 「能持续十年建立一套独特思想」。

反 AI 的人，并不只是「不会用 AI」

这里我会稍微修正一个常见判断。确实有一部分人可能没有真正使用过 AI，对 AI 能力停留在 2022 年的印象，或者把「使用 AI」等同于「一键生成」。

但是很多真正反感 AI 的人其实非常了解 AI。他们反对的可能是另外一些问题：训练数据版权、艺术家作品未经许可进入训练集、工作岗位受到冲击、平台被低质量内容淹没、冒充人工创作、深度伪造、创作者报酬，或者自己多年掌握的专业技能突然被大幅贬值。

这些忧虑不应该简单解释成「他们不会用，所以害怕」。否则反而会错过这个社会冲突最有意思的部分。

很多人实际上是在捍卫一种旧的社会契约：

技能 → 努力 → 稀缺 → 地位 → 收入。

而 AI 突然把它变成：

模型 → 极低边际成本 → 大规模复制。

这不仅是一项技术革命，它还是一次社会地位体系的重排。

开发者为什么有时尤其反感 AI？

这个现象也很好理解。假设你花了 15 年获得一种能力——复杂系统设计、C++、算法、渲染、架构、Debug、工程经验。这些东西同时也是你的收入来源、社会身份、自豪感，以及你区别于普通人的稀缺能力。

然后突然出现一个工具：普通人写自然语言，也能产生过去需要专业开发者才能产生的代码。即使 AI 还远远没有真正替代优秀工程师，身份威胁已经发生了。

于是争论往往不再只是「AI 代码质量怎么样？」而隐含着：「我过去投入十年的能力还值多少钱？」

这和 19 世纪机械化时期很多职业的冲突其实有很强的结构相似性。所以这里同时存在技术判断、经济利益、职业身份、群体文化、道德判断——全部混在一起。

思想实验：像素完全一样，价值会一样吗？

假设我给你两幅完全相同的画。

A：一个失去女儿的父亲，花了三年时间完成。画里面每一个物件都来自女儿真实的生活。

B：输入 Prompt sad father room childhood memories cinematic oil painting，生成耗时 16 秒。像素完全一样。

你愿意给它们完全相同的价值吗？很多人大概不会。

这说明：艺术品的价值并不完全存在于像素里面。 它有一部分存在于 作品的因果历史——也就是 How it came into existence（它是如何被创造出来的）。

这和一件东西是不是真迹非常像。假设真正的梵高和原子级完美复制的梵高，肉眼、显微镜、化学分析全部一样。为什么原作可能值一亿美元，复制品可能值几百美元？不是因为图像不同，而是因为 历史不同。

所以 AI 其实迫使我们重新面对一个很古老的哲学问题：我们究竟是在欣赏作品，还是在欣赏作品背后的人？

答案很可能是：两者一直都有。 只是 AI 以前没有逼我们把它们拆开。

第二阶段：AI 创作本身也会形成新的「难度」

这也是我认为未来会非常有趣的地方。现在很多人的理解是：

Human art = skill
AI art    = prompt → button

但是随着 AI 成为真正的创作工具，很可能越来越接近：

AI-assisted work =
  idea + research + direction + prompting + iteration
  + selection + editing + compositing + programming
  + taste + consistency + worldbuilding

那么作品真正稀缺的地方又出现了。例如：一个人随机生成 1000 张漂亮 AI 图，几乎没有人在乎。但是如果一个导演利用 AI，用五年时间构建出一个完整世界、自己的视觉语言、角色体系、音乐、哲学思想、游戏系统，并且所有 AI 输出都服从一个非常明确的创作意图，那么人们最后认可的并不是「他会不会亲手画每一个像素」，而是 「这个世界是他想出来的。」

这其实和电影导演非常类似。Christopher Nolan 并没有自己搭摄影棚、自己制造 IMAX 摄影机、自己演所有角色、自己拉每一根威亚、自己做全部 CG、自己演奏 Hans Zimmer 的音乐。但我们仍然可以说「Nolan 的电影」。因为人类承认的是一种更高层级的作者性：direction / authorship / vision（指导 / 作者身份 / 愿景）。

AI 时代会重新定义「创作者」

过去创作者容易被定义为 亲手制造作品的人。未来很可能越来越变成 决定什么值得存在的人。

AI 把 execution（执行） 变得廉价。于是 selection（选择）、taste（品味）、intent（意图）、direction（指导）、worldview（世界观） 反而越来越值钱。

可以用一句话概括：

当「怎么做」越来越便宜以后，「为什么做」和「做什么」就越来越昂贵。

能力放大器，还是能力替代器？

这也解释了为什么有人觉得「AI 很好用，用过就离不开」，而另一些人深感不安。

因为你是在把 AI 看作一种 能力放大器。你想到的是：「以前我要一天完成的东西，现在一小时完成，那我可以创造十倍多的东西。」

而反对者有时把它看成 能力替代器。另一个人想到的可能是：「以前别人需要十年才能获得我的能力，现在一句 Prompt 就够了，那我的十年算什么？」

两种感受都是真实的。所以整个 AI 争论，其实不只是关于 AI 好不好，而是在争论：

如果努力不再稀缺，什么东西才值得尊敬？

六层模型：「觉得不错」和「赋予分量」为何分裂

所以出现了那个表面上的悖论：「它挺不错，但我为什么不太想在意它了？」

其实一点都不矛盾。因为 「觉得不错」主要属于第一层，而 「愿意停下来、赋予分量、认真对待」主要来自后面五层。而 AI 恰好正在猛烈冲击后面五层。

结语

AI 时代真正的问题可能并不是「AI 生成的东西算不算艺术？」更有意思的问题其实是：

当执行本身趋近于免费以后，人类究竟会把「创造力」重新定义为什么？

我觉得这个问题可能会成为未来十几年非常重要的文化议题。

参考文献

• Kruger, J., Wirtz, D., Van Boven, L., & Altermatt, T. W. (2004). The effort heuristic. Journal of Experimental Social Psychology.
• (2026). The effort heuristic in the generative age: Why consumers aesthetically appreciate AI art but refuse to pay. Journal of Consumer Psychology.
• (2026). Can Artificial Intelligence Exert Effort? Effects of Generation Time on Effort Attribution and Aesthetic Evaluation of AI-generated Art. Collabra: Psychology.
• (2022). Investigating the negative bias towards artificial intelligence: Effects of prior assignment of AI-authorship on the aesthetic appreciation of abstract paintings. Computers in Human Behavior.
• (2023). Bias against AI art can enhance perceptions of human creativity. PMC.